在c中提取“有效”子字符串的快速方法答案

【问题标题】：quick way to extract "valid" substring in c在c中提取“有效”子字符串的快速方法
【发布时间】：2021-08-22 01:12:56
【问题描述】：

我编写了两个函数来从字符串中提取“有效”子字符串，这意味着子字符串可能只包含字母和数字。但是，如果要检查的字符串很长，即使性能差距不是太明显，它们也会开始失去性能，这让我不太高兴。有没有更快的方法来“验证”字符串？这是我的代码：

#include <stdlib.h>
#include <stdio.h>
#include <ctype.h>
#include <wchar.h>

wchar_t* validstr(wchar_t* src, wchar_t* cc, unsigned int* index) {
    wchar_t* valid = calloc(1, sizeof(wchar_t));
    while (isalpha(*cc) || isdigit(*cc)) {
        valid = realloc(valid, (wcslen(valid) + 2) * sizeof(wchar_t));
        wcscat(valid, (wchar_t[]) { *cc, 0 });
        ++* index;
        *cc = src[*index];
    }
    return valid;
}

wchar_t* validstr2(wchar_t* src) {
    wchar_t* valid = calloc(1, sizeof(wchar_t));
    while (isalpha(*src) || isdigit(*src)) {
        valid = realloc(valid, (wcslen(valid) + 2) * sizeof(wchar_t));
        wcscat(valid, (wchar_t[]) { *src, 0 });
        src++;
    }
    return valid;
}

int main() {
    wchar_t* str = L"valid10+(notvalidanymore";

    // usage for validstr()
    wchar_t current = str[0];
    unsigned int index = 0;
    printf("%ls\n", validstr(str, &current, &index));

    // usage for validstr2()
    printf("%ls\n", validstr2(str));
}

【问题讨论】：

循环内的 realloc 会很慢。为什么不直接通过循环查找有效字符的数量，然后在循环后分配空间并复制数据？是否有理由需要在循环内重新分配？
我只需 strdup 字符串，然后将所有应保留的字符移到前面，跳过不相关的字符。如果您绝对希望尽量减少分配的内存，请先计算剩余的字符数。
@Aconcagua 他的代码不会保留所有有效字符 - 它只是保留初始子字符串，但不包括第一个无效字符。所以他可以对字符串进行strdup，然后用字符串终止符替换第一个无效字符。这似乎是一个很好的方法 - 如果有 strdup 的宽字符版本。
这就是我的想法：onlinegdb.com/qg24aTzxo 它仍然需要循环，但它只会在循环内递增，因此性能并不是真正的问题，因为时间完全被 calloc 所掩盖。实际上， calloc 似乎是一种浪费——如果你马上要重写它，你不需要初始化内存。 onlinegdb.com/gCvppGSBO 呢？
@JerryJeremiah 我的错，一直疏忽。在 POSIX 上，有 wcsdup 并且似乎 windows 也支持它。承认，不能保证一般可移植......

标签： arrays c string memory c-strings

【解决方案1】：

您应尽可能避免重新分配。

因此，您可以先计算与您相关的字符：

size_t length = 0
for(wchar_t* tmp = cc; *tmp && iswalnum(*tmp); ++tmp)
{
    ++length
}

请注意，isalnum 函数同时涵盖了 alpha 和数字 - 但在任何情况下您都应该使用宽字符函数（isw[...]，请注意附加的 w）。

计算完后，您只需复制那些感兴趣的值：

wchar_t* valid = malloc((length + 1) * sizeof(wchar_t));
//                                ^ terminating null character!

memcpy(valid, cc, length*sizeof(wchar_t));
valid[length] = 0;

// for validstr:
memcpy(cc, src, length*sizeof(wchar_t));
*index = length;

我更喜欢malloc 而不是calloc，因为不需要对数组进行零初始化，无论如何它都会被覆盖。

请注意，validstr 的上述版本与您的实现略有不同：您首先递增，然后复制字符，这会跳过 str 的第一个字符。我的版本从第一个字符开始复制。如果实际上是打算跳过第一个字符，那么从第一个字符开始复制，你就可以了：

memcpy(cc, src + 1, length);

请注意，无论如何，这个版本 (validstr(wchar_t*, wchar_t*, unsigned int*)) 对我来说似乎并不安全，您可能很容易超出 src 的范围，这将导致未定义的行为 - 除非您始终以任何方式保证 src至少与复制的子字符串一样长。

【讨论】：